大家好，给大家整了个活：由和鲸社区主导，邀请了一位拥有经济和金融双专业背景的硕士在读的Python爱好者，翻译了Python统计建模和计量经济学常用库statsmodels的例程。

statsmodels是一个Python模块，为许多不同的统计模型的估计提供了类和函数，以及进行统计测试和统计数据探索。每个估计器都有一个详细的结果统计列表。这些结果与现有的统计包进行了测试，以确保它们是正确的。

本文对statsmodels v0.12.2版本的例程进行了中文翻译，翻译于2021年4月。翻译过程中，参考了官方网站statsmodels.org，及官方的GitHub仓库statsmodels，主要以前者为准。

目录
一、线性回归模型

• 普通最小二乘法
• 广义最小二乘法
• 分位数回归
• 递归最小二乘法
• 滚动回归
• 回归诊断
• 加权最小二乘法
• 线性混合效应模型
• 方差成分分析
  

二、图形

• 回归图
• 绘制类别因子的交互作用
• 箱线图
  

三、离散选择模型

• 离散选择模型概述
• 离散选择模型（案例）
  

四、非参数统计

• 核密度估计
  

五、GLM：广义线性模型

• 广义线性模型
• 广义线性模型（公式）
• 加权广义线性模型
• 广义线性模型Logit的影响分析
• 准二项分布回归
  

六、RLM: 强大的线性模型，支持多个M估计器

• 用于稳健线性建模的 M-估计器
• 比较OLS 和 RLM
  

七、GEE：单向聚类或纵向数据的广义估计方程

• 广义估计方程 嵌套协方差结构模拟研究
• GEE 分数测试模拟
  

八、统计：广泛的统计测试

• 交互 和 ANOVA
• 荟萃分析 （Meta-Analysis in Statsmodels)
  

九、用持续时间数据进行中介分析

• 时间序列分析：时间序列分析模型
• 马尔可夫切换自回归模型
• 基于LOESS(STL)的季节趋势分解
• 指数平滑，Holt-Winters
• 时间序列模型中的决定性项
• 时间序列过滤器
• 自回归模型
• 自回归移动平均线(ARMA)人工数据
• 自回归移动平均线（ARMA）：太阳黑子数据
• 静态性和去趋势 (ADF 、KPSS)
• 马尔可夫切换模型（MSAR），也称为隐马尔可夫模型（HMM)
  

十、完成StateSpace建模框架

• SARIMAX 简介
• SARIMAX 模型选择, 缺失值
• VARMAX 模型
• 动态因素和同步指数
• 去趋势化、典型化事实和商业周期
• 失业趋势和周期
• 状态空间建模：局部线性趋势
• 自回归移动平均(ARMA) 太阳黑子数据
• 时间序列数据的季节性
• 在状态空间模型中估计或指定参数
• TVP-VAR，MCMC，和稀疏模拟平滑
• 用贝叶斯方法进行SARIMAX估计
• 预测、更新数据集和 _News_
• 自定义状态空间模型
• ETS模型
  

十一、StateSpace模型 - 技术说明

• 状态空间模型 - 比例浓缩在似然函数之外
• 状态空间模型 - Chandrasekhar递归法
  

十二、预测

• Theta 模型
  

十三、多变量方法

• 主成分分析
  

十四、用户须知

• 对比 Contrasts
• 公式
• 预测（样本外）
• 预测
• 极大似然估计(通用模型)
• 时间序列模型的日期
• 最小二乘拟合模型数据
• 分布式估算